[发明专利]人脸识别方法、装置、电子设备及计算机可读存储介质

说明书

本发明涉及人工智能技术，揭露了一种人脸识别方法，包括：从第一人脸训练集中人脸图像提取部分人脸，得到第二人脸训练集，利用第一人脸训练集及第二人脸训练集训练人脸识别神经网络，得到全脸特征提取模型及半脸特征提取模型，利用全脸特征提取模型对待识别人脸图像进行特征提取，得到第一特征，并计算第一相似度，利用半脸特征提取模型对待识别人脸图像进行特征提取，得到第二特征，并计算第二相似度，根据第一相似度及第二相识度得到识别结果。此外，本发明还涉及区块链技术，所述识别结果可存储在区块链的节点中。本发明还提出一种人脸识别方法装置、电子设备以及计算机可读存储介质。本发明可以解决遮挡情况下人脸识别准确率较低的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种人脸识别方法、装置、电子设备及计算机可读存储介质。

背景技术

人脸1比N对比是指人脸识别系统采集了使用者的一张照片之后，从海量的人像数据库中找到与当前使用者人脸数据相符合的图像，并进行匹配，找出来使用者的身份。通过人脸1比N对比进行人脸识别已经是比较成熟的技术，通过人脸检测、人脸校正，再通过深度模型对人的面部特征进行提取，可以对不同人的照片进行一个较好的区分。但由于新型冠状病毒的全球蔓延，很多场景的人脸是戴有口罩的。对于戴有口罩的人脸，由于并没有做出针对性的适配，会导致人脸1比N误识率急剧增大，以致完全不能使用。同时，若只训练基于戴口罩的人脸识别模型，对于不戴口罩的人群的识别准确率又会较低。

发明内容

本发明提供一种人脸识别方法、装置、设备及存储介质，其主要目的在于解决遮挡情况下人脸识别准确率较低的问题。

为实现上述目的，本发明提供的一种人脸识别方法，包括：

获取第一人脸训练集，对所述第一人脸训练集中的每张人脸图像进行人脸位置检测，根据检测到的人脸位置从所述每张人脸图像中提取上半部分人脸，得到部分人脸图像，汇总得到的所有部分人脸图像，得到第二人脸训练集；

利用所述第一人脸训练集训练预构建的人脸识别神经网络，得到全脸特征提取模型，以及利用所述第二人脸训练集训练预构建的人脸识别神经网络，得到半脸特征提取模型；

利用所述全脸特征提取模型对待识别人脸图像进行特征提取，得到第一特征，以及利用所述半脸特征提取模型对所述待识别人脸图像进行特征提取，得到第二特征；

计算所述第一特征与预构建的特征对比库中人脸特征的相似度，得到第一相似度，以及计算所述第二特征与所述特征对比库中人脸特征的相似度，得到第二相似度，根据所述第一相似度及所述第二相识度得到所述待识别人脸图像的识别结果。

可选地，对所述第一人脸训练集中的每张人脸图像进行人脸位置检测，根据检测到的人脸位置从所述每张人脸图像中提取预设部分人脸，得到部分人脸图像，汇总得到的所有部分人脸图像，得到第二人脸训练集，包括：

对所述第一人脸训练集中的人脸图像进行位置检测，得到关键位置点；

根据所述关键位置点对所述第一人脸训练集中的人脸图像进行位置截取及比例调整，得到部分人脸调节图像集；

利用预设颜色对所述部分人脸调节图像集中图像的无像素区域进行填充；

对填充后的图像进行RGB标准化处理，汇总所有标准化后的图像得到所述第二人脸训练集。

可选地，所述利用所述第一人脸训练集训练预构建的人脸识别神经网络，得到全脸特征提取模型，包括：

利用所述人脸识别神经网络采集所述第一人脸训练集中完整人脸图像的人脸特征，得到人脸特征集合；

随机选取所述人脸特征集合中任意的人脸特征作为参考特征，基于所述参考特征构建特征三元组；

根据所述特征三元组计算所述人脸识别神经网络预设的损失函数的损失值；